Series de tiempo
En matemáticas , una serie de tiempo es una serie de puntos de datos indexados (o enumerados o graficados) en orden de tiempo. Más comúnmente, una serie de tiempo es una secuencia tomada en puntos sucesivos igualmente espaciados en el tiempo. Por lo tanto, es una secuencia de datos en tiempo discreto . Ejemplos de series de tiempo son las alturas de las mareas oceánicas , el conteo de manchas solares y el valor de cierre diario del Dow Jones Industrial Average .
Una serie de tiempo se traza con mucha frecuencia a través de un gráfico de ejecución (que es un gráfico de líneas temporales ). Las series de tiempo se utilizan en estadísticas , procesamiento de señales , reconocimiento de patrones , econometría , finanzas matemáticas , pronóstico del tiempo , predicción de terremotos , electroencefalografía , ingeniería de control , astronomía , ingeniería de comunicaciones y, en gran medida, en cualquier dominio de la ciencia aplicada y la ingeniería que involucre mediciones temporales .
El análisis de series temporales comprende métodos para analizar datos de series temporales con el fin de extraer estadísticas significativas y otras características de los datos. El pronóstico de series de tiempo es el uso de un modelo para predecir valores futuros basados en valores observados previamente. Si bien el análisis de regresión se emplea a menudo para probar las relaciones entre una o más series de tiempo diferentes, este tipo de análisis no suele denominarse "análisis de series de tiempo", que se refiere en particular a las relaciones entre diferentes puntos en el tiempo dentro de un solo serie. Serie temporal interrumpidaEl análisis se utiliza para detectar cambios en la evolución de una serie temporal desde antes hasta después de alguna intervención que pueda afectar a la variable subyacente.
Los datos de series de tiempo tienen un ordenamiento temporal natural. Esto hace que el análisis de series de tiempo sea distinto de los estudios transversales , en los que no existe un orden natural de las observaciones (p. ej., explicar los salarios de las personas por referencia a sus respectivos niveles de educación, donde los datos de las personas pueden ingresarse en cualquier orden). El análisis de series de tiempo también es distinto del análisis de datos espaciales donde las observaciones generalmente se relacionan con ubicaciones geográficas (p. ej., contabilizar los precios de la vivienda por ubicación, así como las características intrínsecas de las casas). Un estocásticoEl modelo para una serie de tiempo generalmente reflejará el hecho de que las observaciones cercanas en el tiempo estarán más estrechamente relacionadas que las observaciones más separadas. Además, los modelos de series de tiempo a menudo harán uso del orden natural unidireccional del tiempo, de modo que los valores para un período dado se expresarán como derivados de alguna manera de valores pasados, en lugar de valores futuros (ver reversibilidad del tiempo ).
El análisis de series de tiempo se puede aplicar a datos continuos de valor real , datos numéricos discretos o datos simbólicos discretos (es decir, secuencias de caracteres, como letras y palabras en el idioma inglés [1] ).
Los métodos para el análisis de series temporales se pueden dividir en dos clases: métodos en el dominio de la frecuencia y métodos en el dominio del tiempo . Los primeros incluyen análisis espectral y análisis wavelet ; los últimos incluyen análisis de autocorrelación y correlación cruzada . En el dominio del tiempo, la correlación y el análisis se pueden realizar de manera similar a un filtro utilizando la correlación escalada , mitigando así la necesidad de operar en el dominio de la frecuencia.
